我想覆盖同一场景的两个视图 - 一个是白光图像（单色，用于参考），另一个是特定波段的图像（具有显示的真实数据） ）。
白光图像是＆＃34;参考＆＃34;，数据图像是＆＃34;数据＆＃34;。它们是相同尺寸的普通2D numpy阵列。我想使用＆＃39; grey＆＃39;来显示白色参考图像。彩色地图，以及使用＆＃39; hot＆＃39;彩色地图。
什么是＆＃34;适当的＆＃34;这样做的方法？
我从这开始：
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.cm as cm
hotm = cm.ScalarMappable(cmap='hot')
graym = cm.ScalarMappable(cmap='gray')
ref_rgb = graym.to_rgba(reference) # rgba reference image, 'gray' color map
data_rgb = hotm.to_rgb(data) # rgba data image, 'hot' color map
plt.imshow(ref_rgb + data_rgb)
这并没有奏效，因为在plt.imshow()调用中，总和溢出了范围0..1（或者可能是0..255;这令人困惑）并给了我疯狂的颜色。
然后我用这个替换了最后一行：
plt.imshow(ref_rgb/2 + data_rgb/2)
虽然有效，但却给我一张非常褪色的低对比度图片。
最后，我尝试了这个：
plt.imshow(np.maximum(ref_rgb, data_rgb))
这似乎给出了最好的结果，但我担心我的大部分数据＆＃34;通过使r，g或b值低于参考图像而丢失。
什么是＆＃34;适当＆＃34;，或＆＃34;通常＆＃34;这样做的方法？
答案 0 :(得分：0)
我不确定你想要达到的目标，但希望这会给你一些想法。 ：）
我从未使用过matplotlib，但是从快速浏览一下文档，看起来matplotlib.cm可以让你选择让像素数据在0..255范围内作为整数，或者在0.0中作为浮点数。 .1.0范围。浮点格式对于算术图像处理更方便，所以我假设在这个答案的其余部分就是这种情况。
我们可以通过对RGB像素值进行简单算术来进行基本图像处理。粗略地说，向所有像素的RGB值添加（或减去）常数会改变图像亮度，将像素乘以常数会改变图像对比度，将像素提高到恒定（正）功率会改变图像伽玛。当然，您需要确保这些操作不会导致颜色值超出范围。对于伽马调整或对比度调整（假设常量在0.0..1.0范围内），这不是问题，但它可能是亮度修改的问题。更微妙的亮度＆amp;对比度修改可以通过加法和乘法的适当组合来实现。
在进行此类操作时，将图像数据中的像素值规范化为0.0..1.0范围通常是一个好主意，无论是在＆amp; /之前还是在完成主要处理之后。
上面的代码主要是将灰度参考数据视为一种掩码，并使用其值而不是使用常量来逐像素地操作颜色数据。正如你所见，采取ref_rgb＆amp;的平均值data_rgb会导致图像褪色，因为您正在降低对比度。但是看看当你乘以ref_rgb＆amp; data_rgb：对比度通常会增加，因为ref_rgb中的暗区会使data_rgb中的相应像素变暗，但ref_rgb中的亮区会使data_rgb中的相应像素保持不变。
ImageMagick有一些很好的算术图像处理示例。
要尝试的另一件事是将data_rgb转换为HSV格式，并使用ref_rgb中的灰度数据替换V（值）数据。你可以用S（饱和度）数据做类似的技巧，虽然效果通常有点微妙。